การประเมินความถูกต้องของการประมาณคาร์บอนเหนือพื้นดินในสวนปาล์มน้ำมันด้วยเทคโนโลยีอากาศยานไร้คนขับเชิงภูมิสารสนเทศ
Accuracy Assessment of Above-Ground Carbon Estimation in Oil Palm Plantations Using UAV-Based Geo-Information Technology
Abstract
การประเมินปริมาณคาร์บอนเหนือพื้นดินมีความสำคัญต่อการจัดทำบัญชีคาร์บอนและการทวนสอบคาร์บอนเครดิต ทั้งนี้ การวัดความสูงต้นไม้ภาคสนามมีข้อจำกัดในพื้นที่ที่มีเรือนยอดหนาแน่น งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาและประเมินความถูกต้องของวิธีการประมาณความสูงต้นปาล์มน้ำมันและคาร์บอนเหนือพื้นดินในช่วงอายุที่แตกต่างกัน โดยใช้ข้อมูลจากอากาศยานไร้คนขับ การศึกษาดำเนินการในสวนปาล์มน้ำมันอายุ 6 ปี 8 ปี และ 10 ปี โดยมีจำนวนตัวอย่าง 39 54 และ 43 ต้น (รวม 136 ต้น) ใช้ข้อมูลภาพถ่ายร่วมกับเครื่องรับสัญญาณดาวเทียมเพื่อสร้างแบบจำลองพื้นผิว (Digital Surface Model; DSM) แบบจำลองภูมิประเทศ (Digital Terrain Model; DTM) และแบบจำลองความสูงทรงพุ่ม (Canopy Height Model; CHM) และตรวจสอบความถูกต้องเปรียบเทียบกับค่าจากกล้องประมวลผลรวม ผลการศึกษาพบว่าแปลงอายุ 6 ปี และ 10 ปี มีความสอดคล้องในระดับดี (R² = 0.703 และ 0.731; RMSE = 0.972 และ 0.843 เมตร) ขณะที่แปลงอายุ 8 ปี มีค่าความคลาดเคลื่อนสูงที่สุด (RMSE = 1.076 เมตร) จากการซ้อนทับของเรือนยอดและความไม่แน่นอนของแบบจำลองภูมิประเทศ ในด้านคาร์บอนพบว่ามีค่า 3,317.565 10,362.015 และ 8,761.218 กิโลกรัมคาร์บอน โดยแปลงอายุ 8 ปี มีค่าสูงสุด ผลการศึกษาชี้ว่าความคลาดเคลื่อนของแบบจำลอง แม้อยู่ในช่วง 0.84–1.08 เมตร แต่ยังอยู่ในระดับยอมรับได้ และสามารถใช้สนับสนุนระบบ MRV และการประเมินคาร์บอนเครดิตในระดับแปลงได้
Accurate estimation of above-ground carbon is essential for carbon accounting and carbon credit verification. However, field-based tree height measurements are constrained in areas with dense canopy cover. This study aims to develop and evaluate the accuracy of a method for estimating oil palm tree height and above-ground carbon across different age classes Using Unmanned Aerial Vehicle (UAV) data. The study was conducted in oil palm plantations aged 6, 8, and 10 years in Phatthalung Province, Thailand, with sample sizes of 39, 54 and 43 trees, respectively (a total of 136 trees). UAV imagery combined with Global Navigation Satellite System (GNSS) data was used to generate a Digital Surface Model (DSM), Digital Terrain Model (DTM), and Canopy Height Model (CHM), and accuracy was assessed by comparison with total station measurements. The results indicate that the 6 year and 10 year plantations showed good agreement (R² = 0.703 and 0.731; RMSE = 0.972 and 0.843 m, respectively), whereas the 8-year plantation exhibited the highest error (RMSE = 1.076 m), mainly due to canopy overlap and uncertainties in the terrain model. In terms of carbon, the estimated values were 3,317.565, 10,362.015 and 8,761.218 kg C, with the highest value observed in the 8 year plantation. The findings suggest that although the height estimation errors ranged from 0.84 to 1.08 m, they remain within an acceptable level and can support MRV systems and plot-level carbon credit assessment.
Keywords
[1] P. Migolet, K. Goïta, A. Ngomanda, and A. P. M. Biyogo, “Estimation of aboveground oil palm biomass in a mature plantation in the Congo Basin,” Forests, vol. 11, no. 5, May 2020, Art. no. 544, doi: 10.3390/f11050544.
[2] D. J. Murphy, “Carbon sequestration by tropical trees and crops: A case study of oil palm,” Agriculture, vol. 14, no. 7, Jul. 2024, Art. no. 1133, doi: 10.3390/agriculture14071133.
[3] N. Khasanah, M. van Noordwijk, and H. Ningsih, “Aboveground carbon stocks in oil palm plantations and the threshold for carbon-neutral vegetation conversion on mineral soils,” Cogent Environmental Science, vol. 1, no. 1, Dec. 2015, Art. no. 1119964, doi: 10.1080/23311843.2015.1119964.
[4] B. Liu, W. Bu, and R. Zang, “Improved allometric models to estimate the aboveground biomass of younger secondary tropical forests,” Global Ecology and Conservation, vol. 41, Jan. 2023, Art. no. e02359, doi: 10.1016/j.gecco. 2022.e02359.
[5] E. Alvarez, A. Duque, J. Saldarriaga, K. Cabrera, G. de las Salas, I. del Valle, A. Lema, F. Moreno, S. Orrego, and L. Rodríguez, “Tree above-ground biomass allometries for carbon stocks estimation in the natural forests of Colombia,” Forest Ecology and Management, vol. 267, pp. 297–308, Mar. 2012, doi: 10.1016/j.for eco.2011.12.013.
[6] T. Ma, C. Zhang, L. Ji, Z. Zuo, M. Beckline, Y. Hu, X. Li, and X. Xiao, “Development of forest aboveground biomass estimation, its problems and future solutions: A review,” Ecological Indicators, vol. 159, Feb. 2024, Art. no. 111653, doi: 10.1016/j.ecolind.2024 .111653.
[7] F. Gonçalves, R. Treuhaft, B. Law, A. Almeida, W. Walker, A. Baccini, J. R. D. Santos, and P. Graça, “Estimating aboveground biomass in tropical forests: Field methods and error analysis for the calibration of remote sensing observations,” Remote Sensing, vol. 9, no. 1, Jan. 2017, Art. no. 47, doi: 10.3390/ rs9010047.
[8] T. Huynh, D. J. Lee, G. Applegate, and T. Lewis, “Field methods for above and belowground biomass estimation in plantation forests,” MethodsX, vol. 8, 2021, Art. no. 101192, doi: 10.1016/j.mex. 2020.101192.
[9] X.-L. Jin, Y. Liu, and X.-B. Yu, “UAV-RGB-image-based aboveground biomass equation for planted forest in semi-arid inner Mongolia, China,” Ecological Informatics, vol. 81, Jul. 2024, Art. no. 102574, doi: 10.1016/j.ecoinf.2024.102574.
[10] R. Juan-Ovejero, A. Elghouat, C. J. Navarro, M. P. Reyes-Martín, M. N. Jiménez, F. B. Navarro, D. Alcaraz-Segura, and J. Castro, “Estimation of aboveground biomass and carbon stocks of Quercus ilex L. saplings using UAV-derived RGB imagery,” Annals of Forest Science, vol. 80, no. 1, Nov. 2023, Art. no. 44, doi: 10.1186/s13595-023-01210-x.
[11] J. Lin, M. Wang, M. Ma, and Y. Lin, “Aboveground tree biomass estimation of sparse subalpine coniferous forest with UAV oblique photography,” Remote Sensing, vol. 10, no. 11, Nov. 2018, Art. no. 1849, doi: 10.3390/rs10111849.
[12] L. Pádua, P. Marques, T. Adáo, J. Hruška, E. Peres, R. Morais, A. Sousa, and J. J. Sousa, “UAS-based imagery and photogrammetric processing for tree height and crown diameter extraction,” in Proceedings of the International Conference on Geoinformatics and Data Analysis (ICGDA' 18), Association for Computing Machinery, New York, NY, USA, 2018, pp. 87–91. doi: 10.1145/3220228.3220241.
[13] A. Almeida, F. Gonçalves, G. Silva, R. Souza, R. Treuhaft, W. Santos, D. Loureiro, and M. Fernandes, “Estimating structure and biomass of a secondary Atlantic forest in Brazil using fourier transforms of vertical profiles derived from UAV photogrammetry point clouds,” Remote Sensing, vol. 12, no. 21, Oct. 2020, Art. no. 3560, doi: 10.3390/rs12213560.
[14] A. L. M. Shin, W. Chen, T. Okuda, H. L. Sim, T. H. Tam, and W. C. Chew, “Performance analysis of forest canopy height model generated from UAV and InSAR”, Journal of Advanced Geospatial Science & Technology, vol. 4, no. 1, pp. 86–105, Mar. 2024, doi: 10.11113/jagst.v4n1.88.
[15] C. Li, J. Wang, S. Zhu, Z. Cui, L. Fang, and L. Sun, “Development and testing of a tree height measurement device,” Forests, vol. 16, no. 9, Sep. 2025, Art. no. 1464, doi: 10.3390/f16091464.
[16] Department of Lands.(2015). Regulation of the department of lands on real-time kinematic (rtk network) surveying for specific cadastral tasks, B.E. 2558. Ministry of Interior, Bangkok, Thailand, 2015. [Online]. Available: https://www.dol.go.th/media/71 6929789247754240/migration/2025/10/rKV4Wh2QcJimNoz5kafwDsA9.pdf (in Thai).
[17] T. Pearson, S. Walker, and S. Brown, “Sourcebook for land use, land-use change and forestry projects,” Washington, DC: World Bank, 2013.
[18] Handbook of tree species potential for promotion under the forest-sector Clean Development Mechanism (CDM) project, 1st ed., Faculty of Forestry, Kasetsart University, Bangkok, Thailand: Aksorn Siam Printing, 2011 (in Thai).
[19] Intergovernmental Panel on Climate Change (IPCC). (2006). 2006 IPCC Guidelines for National Greenhouse Gas Inventories, Vol. 4: Agriculture, Forestry and Other Land Use (AFOLU). IPCC. Geneva, Switzerland. [Online]. Available: https://www.ipcc-nggip. iges.or.jp/public/2006gl/vol4.html
[20] S. N. Singkran, “Research report on carbon sequestration and oxygen production of urban park trees in Bangkok for sustainable city development and CO2 emission reduction,” Asia Research Center, Korea Foundation for Advanced Studies at Chulalongkorn niversity, Bangkok, Thailand, Rep., 2021 (in Thai).
[21] J. Prommarat, “Growth and yield of oil palm under soil management using high-quality organic fertilizer,” Land Development Department, Bangkok, Thailand, 2013 (in Thai).
[22] M. Mohan, C. A. Silva, C. Klauberg, P. Jat, G. Catts, A. Cardil, A. T. Hudak, and M. Dia, “Individual tree detection from Unmanned Aerial Vehicle (UAV) derived canopy height model in an open canopy mixed conifer forest,” Forests, vol. 8, no. 9, Sep. 2017, Art. no. 340, doi: 10.3390/f8090340.
DOI: 10.14416/j.kmutnb.2026.09.007
ISSN: 2985-2145
Email this article 
Hide
Show all